17.05.2022 |
acreo consulting ag, Daniel Frei
Was wird nicht alles von Daten gesagt, berichtet und erwartet. Daten seien das Gold des 21. Jahrhunderts. Big Data, Datenanalyse oder Datenmigration sind schon fast Pausengespräche.
Je nach Betrachtungsperspektive werden Daten in einem anderen Kontext interpretiert. Gemeinsam ist ihnen, dass die Daten von Bedeutung sind, Chancen und Gefahren nahe beieinander liegen. Die Interpretation und Selektion spielen nicht nur bei Big Data eine Rolle. Daten können mit unterschiedlichen Verfahren bewertet, ausgewertet und aufbereitet werden. Trotz vieler möglicher Sichten; Daten haben einen gemeinsamen Nenner. Sie sind ein äusserst wichtiges Element der Digitalisierung. Digitale Dienstleistungen benötigen Daten als Grundlage. Heutzutage wird jede Sekunde Unmengen von diesen benötigten Daten erzeugt. Diese zu verstehen, zu interpretieren und letztendlich auch sinnvoll zu nutzen ist dabei eine der grossen Herausforderungen.
Viele Geschäftsmodelle basieren auf Daten. Dabei ist die Qualität dieser Daten viel mehr als ein paar Pausengespräche wert. Sie sind kritisch für Geschäftsprozesse, Entscheidungsgrundlagen, Berichte, für die Compliance, die Produktion, den Verkauf, die Finanzen, das Personal und, ganz wichtig, für die operative Exzellenz. Dieser ganze Umgang mit Daten bezeichnen wir hier als Datenmanagement.
Die Nutzung von Best Practices auf Basis gemeinsamer Geschäftsprozesse, die Einführung standardnaher Business Software Lösungen und ERP / CRM / PPS / GEVER / … Systeme setzen ein leistungsfähiges Datenmanagement voraus. Für die effiziente und einheitliche Erfassung und Verwaltung der Stammdaten sind verbindliche Vorgaben Voraussetzung. Von der Grösse des Unternehmens abhängig ist zu klären, wie die Daten in das System kommen und mit welchen nachträglichen Aufwendungen diese bereinigt und/oder ergänzt werden sollen. Die korrekte und umfassende Erfassung der Daten von Anfang an (first time right Ansatz) setzt sich zunehmends durch. Dies würde durch eine Datenerfassung an der Quelle vereinfacht, was in der Praxis nicht immer möglich ist. Schon gar nicht bei grösseren Unternehmen. Hier wird der Grundsatz dann zu "möglichst nahe an der Datenquelle" gebogen. Zentral ist beim Datenmanagement das strikte Verhindern von isolierten Datensilos. Alle Geschäftsbereiche, Abteilungen, Einheiten, Teams, Prozesse … benötigen eine integrierte Datenbasis. "Meine Daten" gehören aus dem Vokabular gestrichen, es gibt nur noch "unsere Daten".
Datenschutz, Regulierung, Weisungen, Verordnungen, … sind Bestandteile fast jeder Diskussion über Daten. Dabei übernimmt das Datenmanagement eine wesentliche Rolle. Die Daten selbst, wie auch die Metadaten, müssen über alle vorgängig erwähnten Business Software Lösungen, Systeme, Geschäftsprozesse und Funktionen hinweg konsistent sein. Der ganze Lebenszyklus (oft auch als Lauf- und Löschfristen bekannt) muss definiert sein. Dazu gehört auch die Archivierung und teilweise in Abhängigkeit der Anforderungen die Langzeitarchivierung. Und nicht zuletzt ist hierzu das Wort der Data Governance zu nennen. Es ist eindeutig und nachvollziehbar zu definieren, wer wann und wie Zugriff auf die Daten hat.
Das Datenmodell und dessen Umsetzung sind zentral für vertrauenswürdige Entscheidungsgrundlagen. Wenn Berichte auf fehlenden, falschen oder falsch interpretierten Daten basieren, dann kann dies schwerwiegende Folgen haben. Grundlage dieser Fehlerquelle ist oft die fehlende Single Source of Truth. Diese entsteht, wenn einzelne Unternehmenseinheiten sich über den Verlauf der Zeit ihre eigenen Datenbilder entwickeln. Selbstverständlich sind hier auch fehlende Integrationen, Datensilos und nicht nach dem Ansatz "first time right" geführte Daten zu nennen. Alle Datenobjekte sind eindeutig und unternehmensweit zu organisieren. Die Datennutzung für Entscheidungsgrundlagen hat hohe Anforderungen an die Datenqualität. Die Datenqualität kann mit Aktualität, Vollständigkeit und Konsistenz zusammengefasst werden.
Standardisierung und Automatisierung von Geschäftsprozessen ist ohne ein einheitliches Datenverständnis über alle Bereiche und Systeme hinweg nicht möglich. Ein mangelhaftes Datenmanagement verhindert die Nutzung von Skaleneffekten und erhöht gleichzeitig die Komplexität der Prozesse. Folgende Herausforderungen im Umgang mit Daten werden oft aufgeführt (vergleiche dazu auch die Studie der Universität St. Gallen und dem Fraunhofer Institut vom April 2013):
Aktuell dürfte die Rangfolge etwas anders aussehen, doch die wesentlichen Themen scheinen weiterhin Gültigkeit zu besitzen.
Aus unser eigenen Projekterfahrung ist u.a. folgenden Punkten frühzeitig die nötige Aufmerksamkeit zu schenken: